（转）淘淘商城系列——初始SolrCloud

Posted 2020-09-22 疯子加天才

http://blog.csdn.net/yerenyuan_pku/article/details/72944611

本文我只是简单介绍一下SolrCloud，如果大家要是感兴趣的话，可以参考SolrCloud之分布式索引及与Zookeeper的集成这篇文章进行学习哟！

SolrCloud的概述

Lucene是一个Java语言编写的利用倒排原理实现的文本检索类库；Solr是以Lucene为基础实现的文本检索应用服务；SolrCloud是Solr4.0版本开发出的具有开创意义的基于Solr和Zookeeper的分布式搜索方案，主要思想是使用Zookeeper作为集群的配置信息中心。也可以说，SolrCloud是Solr的一种部署方式，除SolrCloud之外，Solr还可以以单机方式和多机Master-Slaver方式进行部署。分布式索引是指当索引越来越大，一个单一的系统无法满足磁盘需求的时候，或者一次简单的查询实在要耗费很多时间的时候，我们就可以使用Solr的分布式索引了。在分布式索引中，原来的大索引，将会分成多个小索引，Solr可以将这些小索引返回的结果合并，然后返回给客户端。 
对此，我个人对SolrCloud的理解是：SolrCloud(Solr云)是Solr提供的分布式搜索方案，当你需要大规模，容错，分布式索引和检索能力时可使用SolrCloud。当一个系统的索引数据量少的时候是不需要使用SolrCloud的，当索引量很大，搜索请求并发很高的时候，这时就需要使用SolrCloud来满足这些需求。SolrCloud是基于Solr和Zookeeper(来管理Solr集群的)的分布式搜索方案，它的主要思想是使用Zookeeper作为集群的配置信息中心。Zookeeper有以下几个特色功能：

1. 集中式的配置信息。
2. 自动容错。
3. 近实时搜索。
4. 查询时自动负载均衡。

SolrCloud中完整索引（Collection）的逻辑图

SolrCloud中完整索引（Collection）的逻辑图如下图所示。 

在SolrCloud模式下Collection是访问Cluster的入口，这个入口有什么用呢？比如说集群里面有好多台机器，那么访问这个集群通过哪个地址呢，必须有一个接口地址，Collection就是这个接口地址。可见Collection是一个逻辑存在的东西，因此是可以跨Node的，在任意节点上都可以访问Collection。Shard其实也是逻辑存在的，因此Shard也是可以跨Node的；1个Shard下面可以包含0个或者多个Replica，但1个Shard下面能且只能包含一个Leader，如果Shard下面的Leader挂掉了，会从Replica里面再选举一个Leader。

SolrCloud的工作模式

首先来看下索引和Solr实体对照图。 

SolrCloud中包含有多个Solr Instance，而每个Solr Instance中包含有多个Solr Core，Solr Core对应着一个可访问的Solr索引资源，每个Solr Core对应着一个Replica或者Leader，这样，当Solr Client通过Collection访问Solr集群的时候，便可通过Shard分片找到对应的Replica即SolrCore，从而就可以访问索引文档了。 
在SolrCloud模式下，同一个集群里所有Core的配置是统一的，Core有Leader和Replica两种角色，每个Core一定属于一个Shard，Core在Shard中扮演Leader还是Replica由Solr内部Zookeeper自动协调。 
访问SolrCloud的过程：Solr Client向Zookeeper咨询Collection的地址，Zookeeper返回存活的节点地址供访问，插入数据的时候由SolrCloud内部协调数据分发（内部使用一致性哈希）。

Solr集群的系统架构

Solr集群的系统架构如下图所示。 
 
下面我稍微分析一下SolrCloud的物理结构和逻辑结构。

物理结构

三个Solr实例（ 每个实例包括两个Core），组成一个SolrCloud。

逻辑结构

索引集合包括两个Shard（shard1和shard2），shard1和shard2分别由三个Core组成，其中一个Leader两个Replica，Leader是由zookeeper选举产生，zookeeper控制每个shard上三个Core的索引数据一致，解决高可用问题。用户发起索引请求分别从shard1和shard2上获取，解决高并发问题。

collection

Collection在SolrCloud集群中是一个逻辑意义上的完整的索引结构。它常常被划分为一个或多个Shard（分片），它们使用相同的配置信息。比如：针对商品信息搜索可以创建一个collection，collection=shard1+shard2+….+shardX。

Core

每个Core是Solr中一个独立运行单位，提供索引和搜索服务。一个shard需要由一个Core或多个Core组成。由于collection由多个shard组成，所以collection一般由多个core组成。

Master或Slave

Master是master-slave结构中的主结点（通常说主服务器），Slave是master-slave结构中的从结点（通常说从服务器或备服务器）。同一个Shard下master和slave存储的数据是一致的，这是为了达到高可用目的。

Shard

Collection的逻辑分片，每个Shard被化成一个或者多个Replica，通过选举确定哪个是Leader